Augmentation de la puissance

Sur ce thème

Augmentation de la puissance d'un test d'hypothèse
Augmentation de la puissance d'une analyse ANOVA
Augmentation de la puissance d'un test pour un plan factoriel à 2 niveaux

Augmentation de la puissance d'un test d'hypothèse

Vous pouvez utiliser l'une des méthodes suivantes pour augmenter la puissance d'un test d'hypothèse.

Utilisez un plus grand échantillon.
L'utilisation d'un plus grand échantillon permet d'obtenir plus d'informations sur la population, et donc d'augmenter la puissance du test. Il s'agit bien souvent de la manière la plus pratique d'augmenter la puissance.
Améliorez votre procédé.
Pour un test d'hypothèse portant sur des moyennes (test Z à 1 échantillon, test t à 1 échantillon, test t à 2 échantillons et test t pour données appariées), l'amélioration de votre procédé permet de réduire l'écart type. Plus l'écart type est faible, plus la puissance augmente, ce qui vous permet de détecter de plus petites différences.
Utilisez un seuil de signification plus élevé (également appelé alpha ou α).
L'utilisation d'un seuil de signification plus élevé augmente la probabilité de rejeter l'hypothèse nulle. Toutefois, soyez prudent lorsque vous optez pour cette solution : vous ne devez pas non plus rejeter une hypothèse nulle qui est en fait vérifiée (le rejet d'une hypothèse nulle lorsqu'elle est vérifiée est appelé erreur du type I).
Choisissez une valeur plus grande pour Différences.
Il est plus aisé de détecter des différences plus grandes dans les moyennes de populations.
Utilisez une hypothèse directionnelle (également appelée hypothèse unilatérale).
Une hypothèse directionnelle offre une plus grande de puissance de détection de la différence indiquée dans la direction spécifiée (la direction est soit inférieure ou supérieure). Soyez tout de même attentif, car cette hypothèse ne peut pas détecter une différence dans la direction opposée.

Augmentation de la puissance d'une analyse ANOVA

Vous pouvez utiliser l'une des méthodes suivantes pour améliorer la puissance d'une analyse ANOVA à un facteur contrôlé.

Utilisez un plus grand échantillon.
L'utilisation d'un plus grand échantillon permet d'obtenir plus d'informations sur la population, et donc d'augmenter la puissance du test. Il s'agit bien souvent de la manière la plus pratique d'augmenter la puissance.
Choisissez une valeur plus grande pour Valeurs de la différence maximale entre les moyennes.
Il est plus aisé de détecter des différences plus grandes dans les moyennes de populations.
Améliorez votre procédé.
L'amélioration de votre procédé permet de réduire l'écart type, et ainsi d'augmenter la puissance.
Utilisez un seuil de signification plus élevé (également appelé alpha ou α).
L'utilisation d'un seuil de signification plus élevé augmente la probabilité de rejeter l'hypothèse nulle. Toutefois, soyez prudent lorsque vous optez pour cette solution : vous ne devez pas non plus rejeter une hypothèse nulle qui est en fait vérifiée (le rejet d'une hypothèse nulle lorsqu'elle est vérifiée est appelé erreur du type I).

Augmentation de la puissance d'un test pour un plan factoriel à 2 niveaux

Vous pouvez utiliser l'une des méthodes suivantes pour améliorer la puissance d'un plan factoriel à 2 niveaux ou d'un plan de Plackett Burman.

Important

Utilisez uniquement les méthodes suivantes pour augmenter la puissance. Ne modifiez aucune autre condition de plan, telle que le nombre de blocs ou le choix entre un plan complet ou un plan fractionnaire, pour augmenter la puissance. Ces modifications doivent être décidées en fonction de vos objectifs de recherche, et non de la puissance.

Utilisez un plus grand nombre de répétitions.
L'utilisation d'un plus grand nombre de répétitions permet d'obtenir plus d'informations sur la population, et donc d'augmenter la puissance. Il s'agit bien souvent de la manière la plus pratique d'augmenter la puissance.
Utilisez plus de points centraux.
L'ajout de points centraux augmente l'exactitude de l'estimation de l'écart type et, par conséquent, la puissance.
Choisissez une valeur plus grande pour Effets.
Il est plus aisé de détecter des différences plus grandes dans les moyennes de populations.
Améliorez votre procédé.
L'amélioration de votre procédé permet de réduire l'écart type, et ainsi d'augmenter la puissance.
Utilisez un seuil de signification plus élevé (également appelé alpha ou α).
L'utilisation d'un seuil de signification plus élevé augmente la probabilité de rejeter l'hypothèse nulle. Toutefois, soyez prudent lorsque vous optez pour cette solution : vous ne devez pas non plus rejeter une hypothèse nulle qui est en fait vérifiée (le rejet d'une hypothèse nulle lorsqu'elle est vérifiée est appelé erreur du type I).